[Day 27] 从零开始学Python - 科学绘图Matplotlib：画着你，画不出你的骨骼

注：本文同步刊载在Medium，若习惯Medium的话亦可去那边看呦！

今天我们要来介绍的是Matplotlib，
对於Python来说，是一套非常常用於科学绘图的绘图程序库，
同时也相当良好地支援了NumPy的阵列，
此外，通常状况下，只要设定恰当，
也可以很顺利地在一些带有视窗运作的Python执行环境，
如IPython, Jupyter Notebook, colab等直接内嵌绘制图片，
可以说是相当的方便！
由於最初的目的是提供如同Matlab软件的绘图方式，
所以常用Matlab的人可能会觉得很多东西似曾相识XD

要使用matplotlib时，官方有提供pylab，
将matplotlib的pyplot和numpy合并在一起，
但还是建议numpy归numpy，pyplot归pyplot。

同样的，如果电脑还没有matplotlib套件的话，
请先使用pip install进行安装。

pip install matplotlib

接下来让我们来介绍一些基本的功能。
首先，我们要先将numpy和matplotlib的pyplot给import进来：

import numpy as np
import matplotlib.pyplot as plt

记得上一篇我们做过一个随积分布的阵列吗？
如果我们想将其使用直方图(Histogram)来表现出点的分布数量的话，
可以使用plt.hist()，将阵列输入给plt；
同时，plt在绘制以後，要经过plt.show()的方法才会显示出来。

>>> mu, sigma = 0, 0.1
>>> s = np.random.normal(mu, sigma, 1000)
>>> plt.hist(s) # 绘制直方图，预设分成10组
(array([ 10.,  32.,  91., 164., 238., 216., 147.,  71.,  25.,   6.]), array([-0.
30285466, -0.2403016 , -0.17774855, -0.1151955 , -0.05264245,
        0.0099106 ,  0.07246365,  0.1350167 ,  0.19756975,  0.2601228 ,
        0.32267585]), <BarContainer object of 10 artists>)
>>> plt.show()
# 在直译器的话可以按Ctrl+C回来或按X关掉plt视窗
>>> plt.hist(s, 30) # 第二个参数为30, 代表将值的范围切分成30等份(预设则为10)
(array([ 1.,  4.,  5.,  8.,  9., 15., 19., 25., 47., 46., 49., 69., 71.,
       79., 88., 87., 76., 53., 55., 55., 37., 40., 16., 15.,  9.,  9.,
        7.,  4.,  1.,  1.]), array([-0.30285466, -0.28200364, -0.26115262, -0.24
03016 , -0.21945059,
       -0.19859957, -0.17774855, -0.15689754, -0.13604652, -0.1151955 ,
       -0.09434449, -0.07349347, -0.05264245, -0.03179144, -0.01094042,
        0.0099106 ,  0.03076161,  0.05161263,  0.07246365,  0.09331467,
        0.11416568,  0.1350167 ,  0.15586772,  0.17671873,  0.19756975,
        0.21842077,  0.23927178,  0.2601228 ,  0.28097382,  0.30182483,
        0.32267585]), <BarContainer object of 30 artists>)
>>> plt.show()

应该可以看到接近如下的图(前面是分10组，後面是分30组)：

我们在绘图时，如果一般使用画线按座标的话，
通常是以plt.plot(x, y, linewidth)的型式，
此时就要刚好每个x的元素都对应到y的元素：

>>> x = np.arange(1, 9, 2)
>>> y = 2 * x
>>> plt.plot(x, y, linewidth=1.5) # 这样应该是y=2x的样子
[<matplotlib.lines.Line2D object at 0x000000000BCCB220>]
>>> plt.show()

请留意一点，由於Python的阵列预设从0开始，所以当我们只给一段座标时，
会被当成y座标，且x会从0开始起算，以整数递增：

>>> plt.plot([1,2,3,4])
>>> plt.show()
>>> plt.plot([1,2,3,4], [1,2,3,4]) # 留意X座标的变化!
>>> plt.show()

以plt.plot的方式绘图时，画上去的图被称为figure，
figure的轴则是axes，可以用add_subplot(1,1,1)方法取用到，
如果同时放多张子图的话(1,1,1)代表第一张。
(这不是很好解释，如果一次只画一张图的话就不管它啦！)
我们可以在绘制完图以後再做额外的事情：

>>> fig = plt.figure()
>>> ax = fig.add_subplot(1,1,1)
>>> ax.plot([1,2,3,4], [1,2,3,4])
[<matplotlib.lines.Line2D object at 0x000000000B540B80>]
>>> ax.set_title('Title') # 表题
Text(0.5, 1.0, 'Title')
>>> ax.set_xlabel("label: x") # X轴文字
Text(0.5, 0, 'label: x')
>>> ax.set_ylabel("label: y") # Y轴文字
Text(0, 0.5, 'label: y')
>>> fig.suptitle('Sup Title', fontsize=20, fontweight='bold') # 
Text(0.5, 0.98, 'Sup Title')

在plt.plot输入阵列後加上一个格式字串可以用来代表画线的样式，
指定linewidth可以修改画线的粗细。

# r代表红色，x代表用'x'来表示点，且不画线
>>> plt.plot([1,2,3,4], [3,5,15,18], 'rx')
[<matplotlib.lines.Line2D object at 0x000000000B856C10>]
# b代表蓝色，'.'代表用单个小点表示一个点，'--'表示用虚线(dashed line)来画线
>>> plt.plot([1,2,3,4], [3,9,1,6], 'b.--')
[<matplotlib.lines.Line2D object at 0x000000000B866310>]
# g代表绿色，o代表实心圆，linewidth表示粗度修为3
>>> plt.plot([1,2,3,4], [1,4,9,16], 'go-', linewidth=3) 
[<matplotlib.lines.Line2D object at 0x000000000B856F40>]
>>> plt.legend(('red', 'blue', 'green'), loc='upper left') # 画图例及决定位置
<matplotlib.legend.Legend object at 0x000000000B757730>
>>> plt.grid(True) # 画出网格
>>> plt.show()

其结果应如下所示：

在处理过後可画线的图以後，如果我们的资料是零散的点，
不需要画线的话，我们可以用散点图(scatter)来进行绘制：

>>> np.random.random(5)
array([0.22612501, 0.34256502, 0.21559228, 0.17675453, 0.1082928 ])
>>> x = np.random.random(500)
>>> y = np.random.random(500)
>>> plt.scatter(x, y)　# 其实用plt.plot(x, y, 'o')也可以啦！
<matplotlib.collections.PathCollection object at 0x000000000B566580>
>>> plt.show()

如果要绘制3D的图的话，要利用plt.axes()，
将其projection设为'3d'。
同时由於有三维座标，所以要使用ax.scatter3D(x, y, z, color)。

>>> z = np.random.normal(0, 0.2, 500)
>>> fig = plt.figure()
>>> ax = plt.axes(projection='3d')
>>> ax.scatter3D(x, y, z, color='blue')
<mpl_toolkits.mplot3d.art3d.Path3DCollection object at 0x000000000C00A1F0>
>>> plt.show()

最後我们会得到一个3D散点图，其介面是可以按滑鼠左键拖曳旋转的呦！
读者可以自己尝试看看～

其他其实还有相当多的内容，有兴趣的话可以看看官方文件的说明。
像是各种不同种类的图形、标记方式、标签等等，
如果使用者想更进一步的话，可以试试看找一些如绘制股票线形的教学范例，
跟着操作看看，相信会更有收获！

那麽，我们就明天见罗！